基于自编码器结构的无监督学习算法已经被广泛应用在异常检测中如智能制造、医疗影像、安防监控等领域。针对现有的基于自编码器结构的图像异常算法模型与传统有监督模型相比仍存在识别精度差、鲁棒性较差、训练效率低的问题，提出了基于图像特征重建方法的自编码器架构和基于迁移学习思想对自编码器进行特征增强处理的异常检测算法。通过引入预先训练的特征提取网络作为前置图像特征提取模块完成对输入图像多尺度特征的提取和融合，得到输入图像的多尺度特征融合图，再据此选择搭另一个预训练网络和自编码器组成Teacher-Student模型，完成自编码器模型的快速收敛。基于多尺度特征融合图的重建思想是利用了图像卷积特征的可判别性，实现了对图像潜在的异常信息的辨识。在自编码器与预训练网络构成的T-S模型中，经过预训练的T模型将S模型的解空间限定在一定范围，极大加速了模型的训练过程。在MVTec-AD标准数据集上将本文所提方法与现有方法进行实验对比，验证了方法的可行性。